Neues GNN-Modell liefert schnelle, präzise RFIC-Vorhersagen

Forscher haben ein leichtgewichtiges, daten-effizientes Graph Neural Network entwickelt, das die Leistung aktiver RF-Schaltungen – darunter LNAs, Mixer, VCOs und Leistungsverstärker – anhand ihrer Pin‑Level‑Struktur exakt vorhersagen kann. Durch die Modellierung auf der Ebene der Bauteilterminals werden Symmetrien und feine Verbindungsdetails erhalten, was skalierbaren Nachrichtenaustausch ermöglicht und den Datenbedarf drastisch reduziert.

In umfangreichen Tests erreichte das Modell eine durchschnittliche symmetrische mittlere absolute Prozentfehler von 2,40 % und einen mittleren relativen Fehler von 2,91 %. Im Vergleich zu früheren Ansätzen verbessert es den MRE um das 3,14‑fache und benötigt dabei 2,24‑mal weniger Trainingsdaten. Diese Fortschritte zeigen, dass die Pin‑Level‑Graph‑Netzwerk‑Architektur die schnelle und präzise RF‑Schaltungsentwicklung erheblich beschleunigt.